机器学习-16：MachineLN之感知机源码

你要的答案或许都在这里：小鹏的博客目录

我想说：

其实很多东西还是要靠自己，靠自己去完成最大的一点就是远离舒适区，试想一下自己每时每刻都要为下一顿能不能吃上饭而奋斗，是一种什么样的体验，估计你连想都不敢想；最近又听到说下岗的问题，有一个人说他除了收钱什么都不会，有时候也要多培养点自己的能力，做好一项，其他的也了解（当然也不了太多），多给自己备好能力，远离舒适区，但无论在哪里都有这么一批人，那你考虑过没有公司万一不景气，第一个下岗的会是谁？下岗了又可以迅速跨到别的领域的又是谁？我做不到这一点，但我在加油，要永远记住：公司不养闲人！比你优秀的人比你还努力，你还好意思说你不会？不会可以学啊，不学永远不会，哈哈，言辞过激了吗，也不知道咋地，最近着魔了吧！！！

除了宁向东的清华管理学课，又在书单中加了香帅的北大金融学课，我也不是想什么都会，装逼啥滴，我也只是想每周拿出两个小时，学点管理学和金融学的的思维方式而已。

下面是加详细注释的感知机代码：又是截图，记住好代码都是敲出来的！下面代码要结合感知机原理来看：MachineLN之感知机

但是代码很方便理解，还有图示：

1. 原始形式的感知机算法：

用来显示样本点 和 分类线：

看一下感知机的分类结果：

2. 对偶形式的感知机算法 （对偶形式要计算gram矩阵）

原理跟上面原始感知机对偶算法差不多，所以只加了简单注释：

推荐阅读：

1. 机器学习-1：MachineLN之三要素

2. 机器学习-2：MachineLN之模型评估

3. 机器学习-3：MachineLN之dl

4. 机器学习-4：DeepLN之CNN解析

5. 机器学习-5：DeepLN之CNN权重更新（笔记）

6. 机器学习-6：DeepLN之CNN源码

7. 机器学习-7：MachineLN之激活函数

8. 机器学习-8：DeepLN之BN

9. 机器学习-9：MachineLN之数据归一化

10. 机器学习-10：MachineLN之样本不均衡

11. 机器学习-11：MachineLN之过拟合

12. 机器学习-12：MachineLN之优化算法

13. 机器学习-13：MachineLN之kNN

14. 机器学习-14：MachineLN之kNN源码

15. 机器学习-15：MachineLN之感知机

16. 机器学习-16：MachineLN之感知机源码

17. 机器学习-17：MachineLN之逻辑回归

18. 机器学习-18：MachineLN之逻辑回归源码